As part of their commitment to the Paris Agreement and the European Union’s climate objectives, banks across the world are setting ambitious goals to reduce the carbon emissions intensity of their mortgage portfolios by 2030, Swedbank being one of them. The real estate sector, which accounts for the largest share of energy consumption in Europe, plays a pivotal role in achieving these targets. However, a significant challenge facing the banking industry is the widespread absence of Energy Performance Certificates (EPCs) in their mortgage portfolios, which are critical for accurately calculating financed emissions. This data gap creates substantial uncertainty in tracking progress toward climate goals. 

This master’s thesis aims to develop a methodology for estimating energy performance ratings for real estate lacking EPCs. The methodology is to utilize Ordinary Least Squares (OLS) regression to estimate EPCs. The methodology developed in this thesis provides a practical tool for banks to predict energy performance based on available data. The study also explores what adjustments are needed within mortgage portfolios to achieve a targeted reduction in financed emissions by 2030. 

The findings demonstrate that OLS regression is an effective method for banks to estimate energy performance in-house, although the accuracy of predictions is highly contingent on the appropriate selection of dummy variables within the model. The research offers valuable insights for the banking sector on how to strategically align mortgage portfolios with long-term climate targets, even in the absence of complete EPC data. 

Som en del av sitt åtagande till Parisavtalet och EU klimatmål sätter banker världen över ambitiösa mål för att minska koldioxidintensiteten i sina bolåneportföljer till 2030, där Swedbank är en av aktörerna. Fastighetssektorn, som står för den största andelen av energikonsumtionen i Europa, spelar en avgörande roll i att nå dessa mål. En stor utmaning för banksektorn är dock den utbredda avsaknaden av energideklarationer (EPC) i sina bolåneportföljer, vilka är viktiga för att kunna beräkna finansierade utsläpp korrekt. Denna databrist skapar en betydande osäkerhet i att följa upp klimatmålen. 

Detta examensarbete syftar till att utveckla en metod för att uppskatta energiprestanda för fastigheter som saknar energideklarationer. Metoden använder Minsta Kvadratmetoden (OLS regression) för att estimera energiprestanda. Den metod som utvecklats i detta arbete erbjuder ett praktiskt verktyg för banker att förutsäga energiprestanda baserat på tillgängliga data. Studien undersöker också vilka justeringar som behövs inom bolåneportföljer för att nå målet om minskade finansierade utsläpp till 2030. 

Resultaten visar att OLS-regression är en effektiv metod för banker att använda internt för att estimera energiprestanda, även om precisionen i förutsägelserna är starkt beroende av rätt val av dummyvariabler i modellen. Studien erbjuder värdefulla insikter för banksektorn om hur bolåneportföljer strategiskt kan anpassas till långsiktiga klimatmål, även i avsaknad av fullständig EPC-data.